拉普拉斯最大最小判别分析及应用

提出了一种新的有监督降维方法：拉普拉斯最大最小判别分析(LaplacianMinMaxDiscriminantAnalysis,LMMDA)。LMMDA通过样本空间中成对点之间的距离定义类内和类间散度矩阵，并通过最小化类内散度、最大化类间散度以求得最优投影矩阵。在LMMDA最优子空间中，类内样本更为紧致，类间样本更为松弛。样本集的结构信息包含在类内、类间的Laplacian矩阵，并可以对最优投影子空间加以控制。在多个数据集上的实验证明了该算法的有效性。